Claude Opus 5 ist ein Modell von Anthropic für regelmäßige Facharbeit, bei der Informationen untersucht, eine begründete Entscheidung getroffen und eine Aufgabe schrittweise ausgeführt werden müssen. Der Hersteller hebt Software Engineering, mehrstufige Geschäftsabläufe, wissenschaftliche Arbeit und die Analyse visueller Daten hervor. Im Mittelpunkt seiner Vorstellung stehen sorgfältige Ausführung und die Prüfung des eigenen Ergebnisses.
In der Entwicklung kann Opus 5 die Grundursache eines Fehlers untersuchen und Prüfungen zur Bewertung einer vorgeschlagenen Änderung verwenden. Reicht vorhandenes Vergleichsmaterial nicht aus, umfassen die beschriebenen Szenarien die Erstellung einer eigenen Prüfung, etwa für das Verhalten eines Parsers. Die Arbeit richtet sich nach den erhaltenen Daten: Das Modell liest sie, wählt eine Aktion, betrachtet das Ergebnis und behebt erkannte Probleme.
Für Befehlsausführung, Dateibearbeitung und das Starten von Prüfungen benötigt die Anwendung entsprechende Werkzeuge. Die Eigeninitiative des Modells betrifft die Auswahl und Reihenfolge von Aktionen in der bereitgestellten Umgebung; sie bedeutet weder selbstständigen Projektzugriff noch die Möglichkeit, Operationen außerhalb der Anwendung auszuführen.
Opus 5 nimmt Text und Bilder entgegen und gibt Text aus. Bei visuellen Szenarien zeigt der Hersteller die Extraktion von Geometrie aus einem Bild und die Rekonstruktion eines Bauteils durch geschriebenen Code. Weitere Beispiele sind eine interaktive aerodynamische Simulation und eine Zellillustration, die durch Programmierung erstellt wurden.
Formate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, entsprechend 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.
Diese Aufgaben zeigen das Zusammenspiel von Analyse und Ingenieurarbeit: Ein Bild lässt sich als Material verwenden, das Textergebnis als Code oder Lösungsbeschreibung. Das Ausführen einer Simulation, die Erzeugung von Grafik und die Erstellung einer fertigen Datei erfordern Werkzeuge der Umgebung; das Modell hat keine separate integrierte Bild- oder Videoausgabe.
Adaptives Reasoning ist standardmäßig aktiviert, die Standardstufe von effort ist high. Unterstützt werden low, medium, high, xhigh und max. Bei high und niedrigeren Stufen kann Reasoning deaktiviert werden; bei xhigh und max ist es erforderlich. Manuelles extended thinking mit separatem Budget ist für diese Version nicht vorgesehen.
Eine Änderung des Analyseaufwands beeinflusst den Reasoning-Umfang, ist aber kein zuverlässiger Weg, die Länge des sichtbaren Textes festzulegen. Wird eine kurze Antwort oder eine bestimmte Struktur benötigt, sollte dies in der Anweisung selbst angegeben werden. Der Kontext umfasst 1 Million Tokens, im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens; bei tiefer Analyse muss Raum für Reasoning und den abschließenden Inhalt bleiben.
Die verlässliche Wissensgrenze liegt bei Mai 2026. Zu den wissenschaftlichen Anwendungsbereichen zählt Anthropic Strukturbiologie, organische Chemie und Bioinformatik. Zugleich weist der Hersteller auf wesentliche Einschränkungen bei längeren selbstständigen biologischen Forschungen hin; die Fähigkeit, wissenschaftliche Materialien zu diskutieren, bedeutet nicht die autonome Fertigstellung jeder beliebigen Forschung.
Schutzmechanismen erlauben die Fehlersuche in Quellcode, schränken aber einige sensible Aufgaben ein. Für aktuelle Informationen sind bereitgestellte Materialien oder eine Suche nötig; technische und wissenschaftliche Ergebnisse müssen in ihrer jeweiligen Fachumgebung geprüft werden.
", "aboutText": "Claude Opus 5 ist ein Modell von Anthropic für regelmäßige Facharbeit, bei der Informationen untersucht, eine begründete Entscheidung getroffen und eine Aufgabe schrittweise ausgeführt werden müssen. Der Hersteller hebt Software Engineering, mehrstufige Geschäftsabläufe, wissenschaftliche Arbeit und die Analyse visueller Daten hervor. Im Mittelpunkt seiner Vorstellung stehen sorgfältige Ausführung und die Prüfung des eigenen Ergebnisses.\n\n### Die Ursache ermitteln, prüfen und korrigieren\n\nIn der Entwicklung kann Opus 5 die Grundursache eines Fehlers untersuchen und Prüfungen zur Bewertung einer vorgeschlagenen Änderung verwenden. Reicht vorhandenes Vergleichsmaterial nicht aus, umfassen die beschriebenen Szenarien die Erstellung einer eigenen Prüfung, etwa für das Verhalten eines Parsers. Die Arbeit richtet sich nach den erhaltenen Daten: Das Modell liest sie, wählt eine Aktion, betrachtet das Ergebnis und behebt erkannte Probleme.\n\nFür Befehlsausführung, Dateibearbeitung und das Starten von Prüfungen benötigt die Anwendung entsprechende Werkzeuge. Die Eigeninitiative des Modells betrifft die Auswahl und Reihenfolge von Aktionen in der bereitgestellten Umgebung; sie bedeutet weder selbstständigen Projektzugriff noch die Möglichkeit, Operationen außerhalb der Anwendung auszuführen.\n\n### Ein Bild als Daten für ein Programm\n\nOpus 5 nimmt **Text und Bilder** entgegen und gibt **Text** aus. Bei visuellen Szenarien zeigt der Hersteller die Extraktion von Geometrie aus einem Bild und die Rekonstruktion eines Bauteils durch geschriebenen Code. Weitere Beispiele sind eine interaktive aerodynamische Simulation und eine Zellillustration, die durch Programmierung erstellt wurden.\n\nFormate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, entsprechend 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.\n\nDiese Aufgaben zeigen das Zusammenspiel von Analyse und Ingenieurarbeit: Ein Bild lässt sich als Material verwenden, das Textergebnis als Code oder Lösungsbeschreibung. Das Ausführen einer Simulation, die Erzeugung von Grafik und die Erstellung einer fertigen Datei erfordern Werkzeuge der Umgebung; das Modell hat keine separate integrierte Bild- oder Videoausgabe.\n\n### Steuerbare Tiefe\n\nAdaptives Reasoning ist standardmäßig aktiviert, die Standardstufe von `effort` ist `high`. Unterstützt werden `low`, `medium`, `high`, `xhigh` und `max`. Bei `high` und niedrigeren Stufen kann Reasoning deaktiviert werden; bei `xhigh` und `max` ist es erforderlich. Manuelles extended thinking mit separatem Budget ist für diese Version nicht vorgesehen.\n\nEine Änderung des Analyseaufwands beeinflusst den Reasoning-Umfang, ist aber kein zuverlässiger Weg, die Länge des sichtbaren Textes festzulegen. Wird eine kurze Antwort oder eine bestimmte Struktur benötigt, sollte dies in der Anweisung selbst angegeben werden. Der Kontext umfasst **1 Million Tokens**, im gewöhnlichen Modus beträgt die maximale Antwort **128 Tausend Tokens**; bei tiefer Analyse muss Raum für Reasoning und den abschließenden Inhalt bleiben.\n\n### Wissenschaftliche und sensible Aufgaben\n\nDie verlässliche Wissensgrenze liegt bei **Mai 2026**. Zu den wissenschaftlichen Anwendungsbereichen zählt Anthropic Strukturbiologie, organische Chemie und Bioinformatik. Zugleich weist der Hersteller auf wesentliche Einschränkungen bei längeren selbstständigen biologischen Forschungen hin; die Fähigkeit, wissenschaftliche Materialien zu diskutieren, bedeutet nicht die autonome Fertigstellung jeder beliebigen Forschung.\n\nSchutzmechanismen erlauben die Fehlersuche in Quellcode, schränken aber einige sensible Aufgaben ein. Für aktuelle Informationen sind bereitgestellte Materialien oder eine Suche nötig; technische und wissenschaftliche Ergebnisse müssen in ihrer jeweiligen Fachumgebung geprüft werden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "283e2c31dc80893b42f3e7e2f1d28252a14da40006a56f20806b97573f4ff0fd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "claude-opus-5-thinkingClaude Opus 5 ist für sorgfältige Entwicklung, Informationsanalyse und mehrstufige Facharbeit vorgesehen. Unterstützt adaptives Reasoning und die Prüfung von Ergebnissen mit Werkzeugen der Anwendung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Claude Opus 5 ist ein Modell von Anthropic für regelmäßige Facharbeit, bei der Informationen untersucht, eine begründete Entscheidung getroffen und eine Aufgabe schrittweise ausgeführt werden müssen. Der Hersteller hebt Software Engineering, mehrstufige Geschäftsabläufe, wissenschaftliche Arbeit und die Analyse visueller Daten hervor. Im Mittelpunkt seiner Vorstellung stehen sorgfältige Ausführung und die Prüfung des eigenen Ergebnisses.
In der Entwicklung kann Opus 5 die Grundursache eines Fehlers untersuchen und Prüfungen zur Bewertung einer vorgeschlagenen Änderung verwenden. Reicht vorhandenes Vergleichsmaterial nicht aus, umfassen die beschriebenen Szenarien die Erstellung einer eigenen Prüfung, etwa für das Verhalten eines Parsers. Die Arbeit richtet sich nach den erhaltenen Daten: Das Modell liest sie, wählt eine Aktion, betrachtet das Ergebnis und behebt erkannte Probleme.
Für Befehlsausführung, Dateibearbeitung und das Starten von Prüfungen benötigt die Anwendung entsprechende Werkzeuge. Die Eigeninitiative des Modells betrifft die Auswahl und Reihenfolge von Aktionen in der bereitgestellten Umgebung; sie bedeutet weder selbstständigen Projektzugriff noch die Möglichkeit, Operationen außerhalb der Anwendung auszuführen.
Opus 5 nimmt Text und Bilder entgegen und gibt Text aus. Bei visuellen Szenarien zeigt der Hersteller die Extraktion von Geometrie aus einem Bild und die Rekonstruktion eines Bauteils durch geschriebenen Code. Weitere Beispiele sind eine interaktive aerodynamische Simulation und eine Zellillustration, die durch Programmierung erstellt wurden.
Formate für gewöhnliche visuelle Eingaben beim Hersteller: JPEG/PNG/GIF/WebP, bei Animationen das erste Bild. Bei nativer Analyse beträgt die lange Seite 2576 Pixel, entsprechend 4784 visuellen Tokens; große Bilder werden vor der Analyse verkleinert. Die Unterstützung von Dateien und Parametern hängt von der Methode der Anwendung ab.
Diese Aufgaben zeigen das Zusammenspiel von Analyse und Ingenieurarbeit: Ein Bild lässt sich als Material verwenden, das Textergebnis als Code oder Lösungsbeschreibung. Das Ausführen einer Simulation, die Erzeugung von Grafik und die Erstellung einer fertigen Datei erfordern Werkzeuge der Umgebung; das Modell hat keine separate integrierte Bild- oder Videoausgabe.
Adaptives Reasoning ist standardmäßig aktiviert, die Standardstufe von effort ist high. Unterstützt werden low, medium, high, xhigh und max. Bei high und niedrigeren Stufen kann Reasoning deaktiviert werden; bei xhigh und max ist es erforderlich. Manuelles extended thinking mit separatem Budget ist für diese Version nicht vorgesehen.
Eine Änderung des Analyseaufwands beeinflusst den Reasoning-Umfang, ist aber kein zuverlässiger Weg, die Länge des sichtbaren Textes festzulegen. Wird eine kurze Antwort oder eine bestimmte Struktur benötigt, sollte dies in der Anweisung selbst angegeben werden. Der Kontext umfasst 1 Million Tokens, im gewöhnlichen Modus beträgt die maximale Antwort 128 Tausend Tokens; bei tiefer Analyse muss Raum für Reasoning und den abschließenden Inhalt bleiben.
Die verlässliche Wissensgrenze liegt bei Mai 2026. Zu den wissenschaftlichen Anwendungsbereichen zählt Anthropic Strukturbiologie, organische Chemie und Bioinformatik. Zugleich weist der Hersteller auf wesentliche Einschränkungen bei längeren selbstständigen biologischen Forschungen hin; die Fähigkeit, wissenschaftliche Materialien zu diskutieren, bedeutet nicht die autonome Fertigstellung jeder beliebigen Forschung.
Schutzmechanismen erlauben die Fehlersuche in Quellcode, schränken aber einige sensible Aufgaben ein. Für aktuelle Informationen sind bereitgestellte Materialien oder eine Suche nötig; technische und wissenschaftliche Ergebnisse müssen in ihrer jeweiligen Fachumgebung geprüft werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits claude-opus-5-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.01 / 1K Token Ausgabe · Ausgabetoken $0.05 / 1K Token Eingabe · Cache-Lesen $0.001 / 1K Token Eingabe · Cache-Schreiben $0.0125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"claude-opus-5-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="claude-opus-5-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra claude-opus-5-thinking
/chat/completions